北京时间7月22日，国际著名学术期刊《自然》最新发表一篇环境研究论文称，研究人员研发出一个机器学习模型能进行准确的天气预测和气候模拟。这一机器学习模型被命名为NeuralGCM，它能超越部分现有天气和气候预测模型，且有望比传统模型节省大量算力。

　　该论文介绍，一般环流模型(GCMs)表示了大气、海洋和陆地的物理过程，是天气和气候预测的基础，而减少长期预报的不确定性以及估算极端天气事件，是理解气候缓解和适应的关键。机器学习模型一直被认为是天气预测的一种替代手段，且具有节省算力成本的优势，但它们在长期预报的表现常常不如一般环流模型。

　　在本项研究中，美国谷歌研究团队和合作者设计出机器学习模型NeuralGCM，这个模型结合了机器学习和物理方法，能进行中短期天气预报以及几十年的气候模拟。该模型对1-15天预报的准确率能媲美欧洲中期天气预报中心ECMWF(最好的传统物理天气模型之一)的预测结果；对于最多提前10天的预报，NeuralGCM的准确率与现有机器学习技术不相上下，有时甚至更好。

　　同时，NeuralGCM的气候模拟准确率与最好的机器学习和物理方法相当：在NeuralGCM的40年气候预测中加入海平面温度后，论文作者发现模型给出的结果与从ECMWF数据中发现的全球变暖趋势一致。此外，NeuralGCM在预测龙卷风及其轨迹方面也超过了已有的气候模型。

　　论文作者总结认为，这些研究结果共同表明，机器学习是提升一般环流模型的一个可行手段。

　　(记者 孙自法 制作 费璠 视频来源施普林格·自然)

责任编辑：【罗攀】